人工智能辅助诊断对根尖周透射影的影响：一项提升临床决策精准度的随机对照试验

本研究针对牙科诊断中根尖周透射影（PRs）检测的准确性挑战，通过随机对照试验评估人工智能（AI）辅助对牙医诊断性能的影响。研究采用交叉设计，30名不同经验水平的牙医在AI辅助下评估50张全景片，以CBCT为金标准。结果显示AI显著提升总体诊断准确率（91.6% vs 93.3%），主要通过降低假阳性率（4.3% vs 2.0%），且初级牙医获益最显著。该研究为AI在牙科影像诊断中的临床转化提供了实证依据，尤其对减少过度治疗具有重要价值。

　　

在牙科临床实践中，根尖周透射影（Periapical Radiolucencies, PRs）的准确检测是诊断根尖周炎和制定治疗计划的关键。然而，传统二维影像如全景片（panoramic radiographs）因解剖结构重叠和图像分辨率限制，导致诊断敏感性不足，而高精度的锥形束CT（CBCT）又面临辐射剂量和成本问题。这种矛盾催生了人工智能（AI）辅助诊断的需求，但此前研究多聚焦AI独立性能，缺乏对临床医生实际决策影响的评估。

德国慕尼黑大学团队在《Journal of Dentistry》发表了一项开创性研究，通过随机对照交叉试验，首次系统评估了AI软件dentalXrai Pro对牙医PRs诊断性能的影响。研究招募30名不同经验水平的牙医（初级≤10年/中级11-15年/高级>15年），采用CBCT作为金标准，对比分析AI辅助与独立诊断的差异。关键技术包括：1）多中心设计的样本队列（德国/土耳其各15名牙医）；2）基于ResNet-50架构的AI系统；3）混合效应回归模型分析三级嵌套数据（牙齿-影像-医生层次）；4）ROC/AFROC曲线评估诊断效能。

研究结果部分：

1. 总体诊断性能：AI使准确率提升1.7%（p<0.001），假阳性减少53.5%，但敏感性保持稳定（46.0% vs 45.8%）。阳性预测值（PPV）显著提高至68.6%，ROC曲线下面积（AUC）从0.708增至0.719。
2. 经验分层效应：初级医生获益最大（AUC提升0.04），高级医生反而出现敏感性下降9.4%，揭示经验与AI辅助效果呈负相关。
3. 临床决策转变：AI组推荐保守治疗比例增加（23.0% vs 20.7%），根管治疗建议减少（26.8% vs 29.0%），但未达统计学显著性（p=0.265）。

讨论部分强调三个突破点：首先，AI通过"注意力锚定"机制减少假阳性，这对遏制牙科过度治疗（如非必要CBCT扫描）具有公共卫生意义；其次，经验依赖性效应提示AI应差异化部署——初级医生可将其作为"安全网"，而专家需警惕认知冲突；最后，诊断-决策链分析显示AI可能促进循证实践，但需警惕全景片固有局限性导致的保守倾向。

该研究的临床转化价值体现在三方面：1）为FDA等监管机构提供AI医疗器械分级审批依据；2）优化教育体系，通过AI辅助缩短新手学习曲线；3）推动建立"AI-医生"协同诊断路径。未来研究需拓展至多模态影像（如根尖片）和动态疗效评估，以完善证据链。